隨著智能移動機器人的飛速發(fā)展,使機器人能夠擁有自主定位及建立地圖任務(wù)的能力變得十分重要,因此同時定位與建圖（Simultaneous Localization And Mapping,SLAM）技術(shù)成為了機器人研究領(lǐng)域的重點。目前的SLAM技術(shù)都已經(jīng)能夠達到實時的對周圍場景進行建圖,然而在尺度較大的場景下無法進行SLAM并且眾多文獻沒有明確指出如何使用這些地圖,因此在大場景下進行SLAM及復(fù)用SLAM地圖成為智能移動機器人研究領(lǐng)域亟待解決的問題。通過對現(xiàn)有SLAM技術(shù)的分析,著重介紹傳統(tǒng)SLAM技術(shù)在大尺度場景下的弊端,并對現(xiàn)有的SLAM技術(shù)和視覺詞匯樹算法進行介紹和分析,總結(jié)其優(yōu)缺點,從以下三個方面對現(xiàn)有SLAM技術(shù)進行改進。（1）將大場景分割為多個子場景利用RGB-D SLAM對場景進行建圖,使用視覺里程計對機器人運動做估計,并建立位姿圖,使用圖優(yōu)化原理對位姿圖進行全局一致性優(yōu)化并建立基于多個子場景的拓撲地圖。（2）本文引入了使用單詞共現(xiàn)矩陣來描述場景,并從圖核的角度對單詞共現(xiàn)矩陣的相似性度量做出了推導(dǎo)。從而將重定位過程分為兩個階段,先識別場景,再在該場景下的拓撲地圖進行重定位。（... 

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 基于RGB-D的SLAM研究現(xiàn)狀
        1.2.2 基于圖像特征的場景識別研究現(xiàn)狀
    1.3 本文研究目標與內(nèi)容
        1.3.1 研究目標
        1.3.2 研究內(nèi)容
    1.4 章節(jié)安排
第二章 SLAM建立場景信息
    2.1 KINECT傳感器
        2.1.1 深度圖像獲取原理
        2.1.2 Kinect空間坐標轉(zhuǎn)換
    2.2 視覺里程計
        2.2.1 局部特征點的提取和匹配
        2.2.2 RANSAC位姿變換估計
        2.2.3 利用SVD求解ICP的位姿優(yōu)化
    2.3 后端優(yōu)化部分
        2.3.1 位姿圖構(gòu)建
        2.3.2 閉環(huán)檢測
        2.3.3 圖優(yōu)化及建圖
        2.3.4 大尺度場景下圖優(yōu)化的不足
    2.4 本章小結(jié)
第三章 基于圖像特征的多場景重定位
    3.1 視覺詞匯樹
        3.1.1 構(gòu)建詞匯樹
        3.1.2 詞頻向量表示圖像
        3.1.3 詞頻向量的相似性度量
        3.1.4 倒排索引查詢圖像
    3.2 基于圖核的場景識別
        3.2.1 單詞共現(xiàn)矩陣
        3.2.2 圖核
        3.2.3 基于圖核的相似性度量
    3.3 多場景重定位方法
    3.4 本章小結(jié)
第四章 算法實驗評估
    4.1 場景識別對比實驗
        4.1.1 場景識別實驗設(shè)計
        4.1.2 稀疏閾值λ的影響
        4.1.3 視覺單詞數(shù)量M的影響
        4.1.4 圖像數(shù)量的影響
    4.2 多場景采集及重定位實驗
        4.2.1 實驗環(huán)境
        4.2.2 利用SLAM建立場景
        4.2.3 本文算法對比實驗
        4.2.4 實驗結(jié)果分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 工作展望
參考文獻
讀研期間所取得的相關(guān)科研成果
致謝


【參考文獻】：
期刊論文
[1]一種基于點云地圖的機器人室內(nèi)實時重定位方法[J]. 馬躍龍,曹雪峰,陳丁,李登峰,蔣秉川.  系統(tǒng)仿真學(xué)報. 2017(S1)
[2]基于RGB-D圖像的具有濾波處理和位姿優(yōu)化的同時定位與建圖[J]. 熊軍林,王嬋.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2017(08)
[3]基于Kinect傳感器的三維點云地圖構(gòu)建與優(yōu)化[J]. 張毅,陳起,羅元.  半導(dǎo)體光電. 2016(05)
[4]基于深度圖像技術(shù)的手勢識別方法[J]. 曹雛清,李瑞峰,趙立軍.  計算機工程. 2012(08)
[5]一種改進的粒子濾波SLAM算法[J]. 郭利進,王化祥,孟慶浩,邱亞男.  計算機應(yīng)用研究. 2008(06)

碩士論文
[1]基于Kinect和視覺詞典的三維SLAM算法研究[D]. 龍超.浙江大學(xué) 2016
[2]基于RGB-D數(shù)據(jù)的SLAM算法研究[D]. 呂憲偉.北京理工大學(xué) 2016
[3]基于OcTree的SLAM系統(tǒng)地圖算法的研究[D]. 劉強強.西安電子科技大學(xué) 2016
[4]基于視覺感知的室內(nèi)場景識別與理解[D]. 周圣云.電子科技大學(xué) 2015
[5]基于RGB-D的SLAM算法研究[D]. 丁潔瓊.西安電子科技大學(xué) 2014
[6]移動機器人主動環(huán)境感知及三維場景數(shù)字化[D]. 董兵兵.大連理工大學(xué) 2013
[7]基于形狀上下文的圖像內(nèi)容檢索方法研究[D]. 夏榮進.華中科技大學(xué) 2011
[8]移動機器人基于激光測距的三維場景重構(gòu)[D]. 葉迪.大連理工大學(xué) 2008



本文編號：3711237